TorchDrug:創薬のための強力で柔軟な機械学習プラットフォーム【JST・京大機械翻訳】

Zhu Zhaocheng; Shi Chence; Zhang Zuobai; Liu Shengchao; Xu Minghao; Yuan Xinyu; Zhang Yangtian; Chen Junkun; Cai Huiyu; Lu Jiarui; Ma Chang; Liu Runcheng; Xhonneux Louis-Pascal; Qu Meng; Tang Jian

プレプリント

J-GLOBAL ID：202202219512521793 整理番号：22P0290932

TorchDrug:創薬のための強力で柔軟な機械学習プラットフォーム【JST・京大機械翻訳】

TorchDrug: A Powerful and Flexible Machine Learning Platform for Drug Discovery

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (15件)： , , , , , , , , , , , , , ,
資料名：
発行年： 2022年02月16日プレプリントサーバーでの情報更新日： 2022年02月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

機械学習は,薬物発見の分野を革命する巨大な可能性を持ち,近年ますます注目を集めている。しかし,ドメイン知識の欠如(例えば,作業を作業するタスク),標準ベンチマークおよびデータ前処理パイプラインは,この領域で動作する機械学習研究者にとって主な障害である。薬剤発見のための機械学習の進歩を促進するために,著者らは,PyTorchのトップに構築された薬物発見のための強力で柔軟な機械学習プラットフォームであるTorchDrugを開発した。トーチDrugは,分子特性予測,事前訓練分子表現,de novo分子設計および最適化,レトロ合成予測および生物医学知識グラフ推論を含む,薬剤発見における各種の重要な作業をベンチマークする。幾何学的深層学習(またはグラフ機械学習),深層生成モデル,強化学習および知識グラフ推論に基づく最先端技術を,これらのタスクのために実行した。トーチDrugは,この領域における初心者と専門家の両方からカスタム化を容易にする階層的インタフェイスを特徴とする。チュートリアル,ベンチマーク結果および文書化はhttps://torchdrug.aiで利用可能である。コードはApache License2.0の下で放出される。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能 , その他の計算機利用技術 , 医用情報処理

, ,

前のページに戻る